Breast Cancer Detection from a Urine Sample by Dog Sniffing: A Preliminary Study for the Development of a New Screening Device, and a Literature Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Breast cancer is a leading cause of cancer death worldwide. Several studies have demonstrated that dogs can sniff and detect cancer in the breath or urine sample of a patient. This study aims to assess whether the urine sample can be used for breast cancer screening by its fingerprints of volatile organic compounds using a single trained sniffer dog. This is a preliminary study for developing the "electronic nose" for cancer screening. METHODS: A nine-year-old female Labrador Retriever was trained to identify cancer from urine samples of breast cancer patients. Urine samples from patients histologically diagnosed with primary breast cancer, those with non-breast malignant diseases, and healthy volunteers were obtained, and a double-blind test was performed. Total of 40 patients with breast cancer, 142 patients with non-breast malignant diseases, and 18 healthy volunteers were enrolled, and their urine samples were collected. RESULTS: In 40 times out of 40 runs of a double-blind test, the trained dog could correctly identify urine samples of breast cancer patients. Sensitivity and specificity of this breast cancer detection method using dog sniffing were both 100%. CONCLUSIONS: The trained dog in this study could accurately detect breast cancer from urine samples of breast cancer patients. These results indicate the feasibility of a method to detect breast cancer from urine samples using dog sniffing in the diagnosis of breast cancer. Although the methodological standardization is still an issue to be discussed, the current result warrants further study for developing a new breast cancer screening method based on volatile organic compounds in urine samples.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle